夜退星沉，此页初醒。
从工具按需发现、MCP 连接管理，到统一执行、文件编辑和失败恢复，聊聊 Biny Agent 工具系统背后的设计与取舍。
从分层记忆、事实抽取与语义召回，到每日 Sleep 的去重、合并与并发保护，聊聊 Biny Agent 记忆系统的设计与边界。
按术语逐项解释 Skill、MCP、ACP、Code Mode、RAG、Memory、Harness 等 Agent 概念，每项附对应专题入口。
做混合检索时，会碰到一个很朴素的问题。 BM25 说某篇文档得了 18.6 分，向量检索说另一篇文档的相似度是 0.83。到底谁应该排在前面？ 18.6 看起来比 0.83 大得多，但这两个数字根本不在同一把尺子上。直接相加没有意义，随手归一化又会受到查询、模型和数据分布影响。 RRF 提供了一个很省心的思路。 既然各路分数不好比较，那就不比较分数，只比较排名。 为什么混合检索需要结果融合 关键词
这篇可以接着 Ai Agent概念扫盲 阅读。想把 ACP、A2A、LSP 和 Code Mode 一起弄清楚，可以看 工具与协议专题。 最近看 Agent 相关的项目，经常会同时碰到三个词，Function Calling、MCP 和 Skill。 它们看起来都和「让模型做事」有关，于是很容易混在一起。有人把 MCP 当成更高级的 Function Calling，也有人觉得有了 Skill 就
本文侧重错误治理。完整的资料准备、分块、Embedding、BM25、重排和 GraphRAG，可以先读 RAG 概念专题；整个系列入口是 Ai Agent概念扫盲。 大模型最麻烦的时刻，不是它说不知道。 而是它给出一个语气笃定、结构完整、甚至带着出处的答案，等你真的去查，才发现内容根本不存在。 这种现象通常被叫作幻觉。 模型不是在主观撒谎。它的核心任务是根据上下文预测接下来最可能出现的内容。当可
模型是什么，Token 怎么数，Inference 和 Reasoning 为什么都叫推理，以及 Prompt、RAG 和微调分别改变了什么。
用一次代码审查串起工具调用、结构化输出、Skill、工具发现、MCP、ACP、A2A、LSP 和程序化编排。
Agent 怎样根据反馈行动，任务状态存在哪里，断连和恢复有什么区别，以及为什么超时后不能盲目重试。
保存的信息怎样进入模型，历史、状态、记忆和缓存有什么区别，长对话怎样压缩，以及记忆怎样更新和遗忘。